图像生成

FlowADMM: Plug-and-play ADMM with Flow-based Renoise-Denoise Priors

FlowADMM：基于流的重噪-去噪先验的即插即用ADMM

Hendrik Sommerhoff, Michael Moeller

机构 * Computer Vision Group, University of Siegen（Siegen大学计算机视觉组） 纠错

专题命中 图像修复 ：diffusion(abstract)；inpainting(abstract)；分类 cs.CV

AI总结 本文提出FlowADMM算法，通过将重噪-去噪操作整合到经典ADMM框架中，解决了基于流的即插即用方法的收敛性问题，并在逆问题中取得了最佳性能。

Understanding Asynchronous Inference Methods for Vision-Language-Action Models

理解面向视觉-语言-动作模型的异步推理方法

Ayoub Agouzoul

机构 * École polytechnique Systems Group, ETH Zürich（瑞士联邦理工学院系统组，苏黎世联邦理工学院） 纠错

专题命中 图像修复 ：inpainting(abstract)

AI总结 本文系统比较了四种异步推理方法，评估了其在不同延迟下的性能，发现A2C2在Kinetix上表现最佳，TT-RTC在LIBERO上最稳健，IT-RTC在低延迟下表现良好但高延迟下下降，VLASH在低延迟与高延迟之间存在权衡。